【上海交通大学】ParkingE2E：基于相机的端到端泊车网络

主要观点总结

本文介绍了一种基于相机的端到端泊车网络ParkingE2E，用于自动泊车任务。文章阐述了传统泊车算法的不足和基于神经网络的方法的优越性。所提出的方法通过模仿学习从RGB图像到路径规划的端到端规划，模仿人类驾驶轨迹。文章在现实世界场景中进行实验，验证了该方法的可行性和有效性。

关键观点总结

关键观点1: 介绍端到端泊车网络ParkingE2E

该网络将环视图像转换为鸟瞰图表示，采用目标特征查询图像特征，并与目标停车位的特征融合。利用基于transformer的解码器自回归生成轨迹点。

关键观点2: 方法的实验验证

文章在实车上部署了端到端模型进行测试，验证了该网络模型在各种现实世界场景中泊车的可行性和泛化能力。

关键观点3: 与传统泊车方法的比较和未来的工作

虽然端到端方法在某些方面表现出优势，但与高度优化的基于规则的泊车方法之间仍存在性能差距。未来的工作旨在进一步提升端到端泊车算法的性能。

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2408.02061 项目主页：https://github.com/qintonguav/ParkingE2E 摘要 本文介绍了ParkingE2E：基于相机的端到端泊车网络。自动泊车是智能驾驶领域中的一项关键任务。传统的泊车算法通常使用基于规则的方案来实现。然而，由于算法的复杂设计，这些方法在复杂的泊车场景中效果较差。相比之下，基于神经网络的方法往往比基于规则的方法更直观、更通用。通过采集大量专家泊车轨迹数据并且通过基于学习的方法模拟人类策略，可以有效地完成泊车任务。本文采用模仿学习来执行从RGB图像到路径规划的端到端规划，其模仿人类驾驶轨迹。本文所提出的端到端方法利用了目标查询编码器来融合图像和目标特征，并且使用基于transformer的解码器来自回归预测未来 ………………………………